文書無制限——新しい文書ごとに構築し直さないという方式

文書AIは、何種類対応できるかよりも『次の文書』を見てください

文書AIを構築した後、新しい文書が一つ追加されたら、何をやり直さなければならないでしょうか。

今、何種類の文書を処理できるかも重要です。しかし実際の運用では、それよりもっと重要な問いがあります。

「初めて見る文書が入ってきたら、私たちは何をやり直さなければならないのか？」

新しい文書が生じるたびに開発依頼とテストをやり直さなければならないのか、それとも運用中の文書AIの中でそのまま追加・変更できるのか。それによって、構築後のコストと運用の仕方は大きく変わります。

韓国ディープラーニングの言う『文書無制限』は、まさにこの違いから始まります。

文書AIの違いは、10種類ではなく、11番目の文書で明らかになります。

ある会社がOCRを導入して、申請書10種類を自動で処理しているとしましょう。氏名、住所、申請金額のような必要な項目を文書から読み取り、業務システムへ送っています。

ところがある日、新しい申請書の書式が一つ追加されました。人であれば、新しい書式を見てすぐに理解できます。

「ここが氏名で、この表の中に申請金額があるんだな」と。

しかし、文書AIはどうでしょうか。

従来の方式では、新しい書式に合わせて何を読み取るべきかを再び整理し、必要な設定や開発を依頼したうえで、結果が正しく出るかをテストしなければならない場合が多いのです。

結局、担当者は再び次のプロセスを踏むことになります。

新しい文書の確認 → 要件整理 → ベンダーへの依頼 → 開発または設定 → テスト → 検収

文書が10種類から11種類へと一つ増えただけなのに、小さな構築プロジェクトがまた始まってしまうのです。

だから文書AIを検討するときは、「何種類に対応できますか？」で終わってはいけません。

新しい文書がもう一つ入ってきたら、何をやり直さなければならないのか。

この問いまで、確認する必要があります。

なぜ新しい文書が入ってくると、作業をやり直さなければならないのでしょうか

従来のOCRや文書認識システムは、あらかじめ決められた文書とルールをもとに構築される場合が多いものでした。

たとえば、申請書の左上から氏名を読み、右下の表から金額を探すように設定したとしましょう。

文書の書式が変わって氏名の位置がずれたり、金額が別の表に移動したりすると、従来の設定がそのままでは合わなくなることがあります。新しい構造に合わせて、再び基準を決め直さなければなりません。

問題は、企業で使う文書が、最初に構築したままの状態で維持され続けるわけではない、という点です。

法令や政策が変わることで、書式が変わることがあります。取引先が新しい書式を送ってくることもあり、新しい商品や業務が生まれて、それまでなかった文書が追加されることもあります。

同じ文書でも、必要な情報が変わります。

最初は契約書から「契約日」だけが必要だったのに、その後は「最初の契約締結日」と「更新日」を区別しなければならなくなることもあります。

文書は、変わり続けます。

そのたびに開発と検収をやり直さなければならないとすると、文書自動化の範囲が広がるほど、運用の負担もあわせて増えていきます。

『文書無制限』とは、文書の数が無限だという意味ではありません

韓国ディープラーニングの言う文書無制限は、処理量や文書の数が物理的に無限だという意味ではありません。

核心は、新しい文書が追加されるたびに、再構築プロジェクトを繰り返さないことです。

従来の方式が、新しい文書の発生 → 要件整理 → 開発依頼 → テスト → 検収 → 運用への反映だったとすれば、

韓国ディープラーニングが目指す方式は、新しい文書の追加 → 読み取る基準の設定 → 結果の確認 → 運用への反映 → 変更履歴の管理です。

新しい文書を追加することを、『作り直す作業』ではなく、運用中の文書AIを拡張する作業へと変えることです。

これが、韓国ディープラーニングの言う「文書無制限」です。

なぜ今は、新しい文書ごとに一から作り直さなくてよいのでしょうか

こうした変化の背景には、VLMベースの文書AIがあります。

従来のOCRが文字の位置やあらかじめ決めたルールを中心に文書を読んでいたとすれば、VLMベースのDocument AIは、文字だけでなく文書の表、配置、周囲の文脈などをあわせて活用し、必要な情報を探します。

そのため、文書の書式が変わるたびに、新しいルールや学習データを一から準備しなければならない範囲を減らすことができます。

しかし実際の企業環境では、単に文書を読めるだけでは十分ではありません。

新しい文書を、誰が追加するのか。何を読み取るかを、誰が変えるのか。変えた結果が正しいかを、どう確認するのか。どの基準が実際の業務に適用されているかを、どう管理するのか。

技術的に新しい文書を読めることと、企業が自ら運用できることは、別の問題です。

DEEP Opsは、この運用の問題を解決するためのプラットフォームです。

DEEP Opsは、文書AIを『構築』から『運用』へと変えます

DEEP Opsでは、新しい文書を追加した後、その文書からどんな情報を読み取るべきかを、自然言語で設定できます。

ここでいう『抽出基準』とは、文書から何を、どのように取り出すかを定める基準です。

たとえば、契約書から日付を読み取るとしましょう。

従来の基準は、次のようなものかもしれません。

契約日を抽出

しかし実際の業務では、単に日付を一つ探すだけでは足りないことがあります。

そんなとき、基準をこのように具体化できます。

契約書の本文に明記された最初の契約締結日を、YYYY-MM-DD形式で抽出

開発依頼書を作成してベンダーに渡す代わりに、業務を最もよく知る担当者が、AIが文書を読む基準そのものを自ら調整する方式です。

基準を変えたら、すぐに適用せず、まず確認します

抽出基準を自分で変えられるからといって、すぐに実際の運用へ適用するわけではありません。

DEEP Opsでは、同じ文書に以前の基準と新しい基準を適用して、結果を比較できます。

たとえば、従来の基準では契約書の更新日を契約日として誤って読み取っていた場合、新しい基準では「最初の契約締結日だけを抽出」するように具体化します。

同じ文書で結果がどう変わるかを確認したうえで、望む結果が出たときに運用へ反映します。

基準を変えることと、実際の業務に適用するプロセスを、切り分けることです。

いつ、どの基準が変わったのかも確認できます

企業環境では、現在AIがどんな基準で文書を処理しているかだけでなく、その基準がいつ、どのように変わったのかも確認できなければなりません。

DEEP Opsでは、変更した基準をバージョンと履歴で管理し、次の内容を確認できます。

• いつ基準が変わったのか

• 以前はどんな基準を使っていたのか

• 現在どの基準が運用に適用されているのか

結局、文書AIの運用は、単に文書をうまく読むという問題ではありません。

AIがどんな基準で文書を読んでいるかを、継続的に管理することです。

DEEP Opsでは、このような流れで文書を運用します

核心はシンプルです。

新しい文書が一つ生まれたからといって、また一から構築したりしないこと。

運用中の文書AIの中で、文書を追加し、基準を変え、結果を確認しながら、継続的に拡張していくことです。

実際の適用範囲や方式は、文書の形態や品質、抽出項目、業務条件などによって変わることがあるため、実際の業務文書をもとに確認するのがよいでしょう。

この違いは、OCRの価格やOCR構築コストにも影響します

企業がOCRの価格やOCR構築コストを比較するとき、たいていは最初の見積もりから確認します。

処理する文書の種類と量、抽出する項目、システム連携の範囲、クラウドまたはオンプレミスの環境などによって、OCRソリューションの価格は変わることがあります。

しかし実際のコストを見るには、もう一つ確認すべきことがあります。

構築の後、新しい文書が追加されたときに、コストがどう発生するのかです。

たとえば、新しい文書が一つ追加されるたびに

• 文書の分析

• 要件の整理

• 追加開発

• テスト

• 検収

というプロセスが繰り返されるなら、初期のOCR価格に加えて、追加のコストと工数が発生し続けることになります。

だからOCRのコストを比較するときは、次の2つをあわせて尋ねる必要があります。

最初の構築には、いくら必要か？

そして

次の文書を追加するには、どれだけのコストと時間が必要か？

文書自動化は、一度構築すれば終わりのシステムではなく、実際の業務の変化に合わせて運用し続けなければならないシステムだからです。

特に、文書が変わり続ける業務であれば、なおさら重要です

こうした運用の仕方は、さまざまな文書を継続的に処理しなければならない企業環境で、特に重要になります。

たとえば、金融文書の認識ソリューションを考えてみることができます。

銀行、保険、カード、キャピタルの業務では、申請書、契約書、証憑資料、機関ごとの発行文書のように、さまざまな書類が入ってきます。

業務が変わったり、新しい商品が生まれたりすると、新しい文書が追加されることもあります。

既存の文書で、必要な項目が変わることもあります。

そのたびに別の開発プロジェクトをやり直さなければならないとすると、文書自動化の範囲を拡大するのに、時間とコストが上乗せされざるを得ません。

したがって、金融だけでなく公共、製造、流通など、さまざまな企業の文書業務では、現在どの文書を読めるかとあわせて、今後、新しい文書をどれだけ簡単に追加し運用できるかを確認する必要があります。

文書AIを検討するなら、5つの点を確認してみてください

文書AIを勧められたり、ソリューション比較の資料を検討したりするとき、対応文書数や精度は依然として重要です。しかしそれだけでは、構築後の運用の仕方までは分かりません。

この問いの答えが、たいてい「ベンダーに依頼してください」であるなら、構築後に新しい文書や業務の変化へ対応するスケジュールも、ベンダーの開発スケジュールに左右されます。

逆に、担当者が新しい文書と基準を自ら追加し、結果を確認したうえで運用へ反映できるなら、文書AIの拡張の仕方は変わってきます。

次の文書が入ってきたら、また構築しなければならないのでしょうか

文書AIを検討するとき、「何種類まで対応できますか？」という問いは、依然として必要です。

しかし、より重要なのは、その次の文書をどう追加するかです。

新しい書式が入ってくるたびに要件を整理し直して開発を依頼しなければならないのか、それとも運用中の文書AIで自ら文書を追加し、基準を変えられるのかを確認する必要があります。

韓国ディープラーニングの言う文書無制限は、新しい文書が追加されるたびに、新たな構築プロジェクトを繰り返さない方式です。

そして、これを実際の運用で可能にするのが、DEEP Opsです。

次の文書が入ってきたら、また構築しなければならないのでしょうか

現在お使いの文書と、今後追加される文書をもとに、どのような変更まで運用の段階で自ら対応できるのかを、確認してみてください。

DEEP Opsについて相談する

よくある質問

OCRの価格やOCR構築コストは、何によって変わりますか？

OCRソリューションの価格は、処理する文書の量と形態、必要な抽出項目、処理量、システム連携の範囲、クラウドまたはオンプレミスといった運用環境によって変わることがあります。

初期のOCR構築コストだけでなく、新しい文書や抽出基準が追加されたときに、別途の開発や追加コストが必要かどうかも、あわせて確認するのがよいでしょう。

文書の種類は、何種類まで対応できますか？

対応できる範囲は、文書の形式や品質、抽出しようとする項目などによって変わることがあるため、実際の業務文書をもとに確認するのが正確です。

韓国ディープラーニングの言う文書無制限は、特定の対応種類数を指すというより、新しい文書を、運用の過程で継続的に追加し拡張できる方式を意味します。

OCR構築後、新しい書式が追加されたら、また構築し直す必要がありますか？

DEEP Opsは、新しい文書と抽出基準を運用の段階で追加したり変更したりできるように設計された、文書AIの運用プラットフォームです。

実際の適用範囲は、文書の形態や業務条件によって変わることがあるため、実際の文書をもとに確認するのがよいでしょう。

抽出項目を、担当者が自分で変えられますか？

DEEP Opsでは、自然言語で、文書から何をどう読むかを設定・変更できます。

たとえば「契約日を抽出」という基準を、「契約書の本文に明記された最初の契約締結日を、YYYY-MM-DD形式で抽出」のように、実際の業務に合わせて具体化できます。

基準を誤って変更してしまったら、どうなりますか？

同じ文書に、従来の基準と変更した基準をそれぞれ適用して結果を比較したうえで、運用へ反映できます。

変更された基準はバージョンと履歴で管理され、以前の基準も確認できます。

オンプレミス環境でも使えますか？

可能です。

外部への文書の持ち出しが難しい企業環境でも運用できるよう、オンプレミス構築に対応しています。

新しい文書がもう一つ入ってきたら、私たちは何をやり直さなければならないのか？

現在お使いの文書と、今後追加される文書をもとに、どのような変更を運用の段階で自ら対応できるのかを、確認してみてください。